在经济全球化的背景下,降低成本成为企业提高竞争力的有效手段,为此,企业开始从整体化的角度考虑物流供应链的运行,以系统化思想为主题的供应商管理库存模式应运而生。库存管理和路径规划作为供应商管理库存模式中两个重要环节,在物流总费用中占据较大比例,且两环节之间存在着较严重的“效益悖反”现象。通过组合库存管理和路径规划是降低企业成本的有效手段,因此,研究库存路径组合优化问题在理论发展和实际应用中都具有较大意义。本文在大量的国内外相关文献阅读与研究的基础上,着重研究了两种典型的库存路径问题—确定需求的库存路径问题和带有时间窗的随机需求库存路径问题。两种问题的配送系统均是由一个配送中心和多个客户组成,针对两种不同情形的问题建立了各自的数学模型,分别设计了拉格朗日松弛算法和基于拉格朗日分解的混合算法进行求解。具体工作内容如下:（1）研究了经典的无限配送期的库存路径问题,其中客户的需求是确定已知的,针对此问题建立的对应模型以配送成本、库存成本和缺货损失成本最小为目标,考虑了运输、车辆以及库存等相关约束条件。并针对此模型设计了一种随机次梯度拉格朗日松弛算法,在算法求解过程中,每次迭代采用随机因子调节次梯度来获得更好的拉格朗日乘子更新方向,以加快求解速度,快速构造配送方案。最后通过数值实验表明:与传统次梯度拉格朗日松弛算法相比,求解所用时间平均节省了49.76%,解的质量平均提高了38.61%,且随着数据规模的增大,其优越性越明显。（2）研究了带有时间窗的随机需求库存路径问题,其中客户需求服从正态分布,客户配送时间窗设置为混合时间窗,因此该问题更加贴合物流供应中实际现象。针对该问题建立的模型,以实现运输成本、库存成本、缺货损失成本和早到惩罚成本最小化为目标,确定一套有效的配送方案。针对该问题的求解,本文设计了一种将拉格朗日分解和遗传算法结合的混合算法,该算法采用遗传算法求解拉格朗日乘子克服了采用次梯度算法更新拉格朗日乘子带来的震荡现象。最后,多组数值实验均验证了算法的有效性,该算法不仅能构造一套可行的配送方案,且与采用随机次梯度算法更新拉格朗日乘子相比,其求解所用时间平均节省了18.54%,解的质量平均提高了8.81%。